Mix Taiwan20170322林守德-解決AI的困局─人工智慧的第三波革命

Dept. of CSIE & GINM, NTU

解決AI的困局─人工智慧的第三波革命

林守德教授

機器發明與社群網路探勘實驗室

台灣大學資訊工程學系

[email protected]

1


人工智慧的進程 • 第一波 (90年代之前): 專家系統

– 以「知識」或「規則」為導向的AI系統 – 需要領域專家幫忙建立知識 – 泛用性不高

• 第二波 (～2016): 資料導向（data driven solution） – 架構在巨量資料的產生 – 以機器學習為主軸 – 電腦強大的儲存及運算能力為骨幹 – 媲美或超越人類的成就如：棋類 (Deep Blue，

AlphaGo), 益智問答 (Watson), 辨識 (語音辨識、圖像辨識 2015), 無人車，搜尋引擎，機器翻譯

2


3

第二波人工智慧成功的主因：Challenge Driven Goals


Deep Blue （1996）

• 第一個贏過棋王的程式

–利用電腦平行運算能力從事地毯式的搜尋

–在演算法上面並沒有特別突破

Deep Blue (photo taken by James at Computer History Museum)

4


DARPA Grand Challenge （2004）

• DARPA 提供一百萬美金給第一台橫越內華達沙漠的車

• 所有的隊伍在2004年都失敗了，但是在2005年有5台車成功橫越。

5


The Netflix Challenge （2006～2009）

• 1M prize to improve the prediction accuracy by 10%

6


RoboCup (1997-now)

• 機器人足球競賽

• "By the middle of the 21st century, a team of fully autonomous humanoid robot soccer players shall win a soccer game, complying with the official rules of FIFA, against the winner of the most recent World Cup.“

7

https://en.wikipedia.org/wiki/Soccer

https://en.wikipedia.org/wiki/FIFA

https://en.wikipedia.org/wiki/FIFA_World_Cup


ACM KDD Cup (1997~now)

• 由ACM SIGKDD 1997年開始主辦

• 是資料探勘與機器學習全球最重要的年度競賽

• 歷時約2～4個月

8


Team NTU’s Performance on ACM KDD Cup

9

KDD Cups 2008 2009 2010 2011 2012 2013

Organizer Siemens Orange PSLC

Datashop Yahoo! Tencent Microsoft

Topic Breast Cancer

Prediction User Behavior

Prediction

Learner Performance

Prediction Recommendation

Internet advertising

(track 2)

Author-paper & Author name Identification

Data Type Medical Telcom Education Music Search Engine

Log Academic Search

Data

Challenge Imbalance

Data Heterogeneous

Data

Time-dependent instances

Large Scale Temporal +

Taxonomy Info

Click through rate prediction

Alias in names

# of records

0.2M 0.1M 30M 300M 155M 250K Authors, 2.5M papers

# of teams >200 >400 >100 >1000 >170 >700

Our Record Champion 3rd place Champion Champion Champion Champion


IBM Watson （2011）

• 參與益智問答Jeopardy 節目打敗過去的冠軍

• Watson內部有上百個有智慧的模組（從語言分析一直到搜尋引擎）。

• 代表電腦在「知識問答」的任務已經能夠超過人類

10


AlphaGo (2016)

• Google’s AlphaGo 贏得號稱最困難的棋類：圍棋

• 與IBM的深藍不同，AlphaGo是結合硬體與複雜機器學習演算法

11


第二波AI無法達成的事

當AI 機器學習深度學習時…

12


Moravec‘s Paradox

• 對人類而言很簡單的事情，對電腦而言可能很難； – 肢體與眼協調（如爬樓梯，踢足球）

– 瞭解幽默與嘲諷

– 人臉辨識

– 對語意的深層瞭解

• 對人類很難的事情，對電腦而言可能很簡單。 – 在大量資料中搜尋與分析

– 下棋

– 複雜的邏輯推論

13


淺薄人工智慧的盲點

• 在人工智慧網路交友的網站上，一個女生開出徵婚條件有兩點：1.要帥 2.要有車，輸入電腦去幫她搜尋，結果出現︰

• 象棋!! • 她看了不太滿意，於是改輸入：1.要高 2.要有房子，電腦跑一跑，結果出現︰

• 台北101 • 她又改輸入︰1.要MAN 2.要有安全感，電腦回她︰

• 超人！！ • 她不死心，最後把以上所有條件都打進去︰電腦回她

• 在101下象棋的超人!!

14


機器學習選擇題，問答題

• Google AlphaGo、IBM Watson、NetFlix Challenge 都可以轉變成選擇題

• 機器學習對於問答題並不擅長

–可能的回答太多（搜尋空間太廣）

–需要前後語意及邏輯上的配合

15


泛用人工智慧仍未成熟

• 對AlphaGo說：「應該要怎麼怎麼下」它無法反應

• 希望Watson陪你下一盤井字棋Sorry

• 詢問協同過濾推薦系統為何做出這樣的推薦 ?@#!@$%

• 跟踢足球的機器人說現在地震了不要踢了快去救災繼續破球門而入

• AI仍無法表現出幼兒等級的泛用智慧

16


什麼是人工智慧的第三波？

17

AI Machine learning

Deep Learning


人工智慧的第三波革命（2017～）

• 第三波的AI將會具備以下能力：

–泛用功能 • 能夠舉一反三、解決之前沒有「訓練」過的問題

• 能夠對於未曾見過的情境做出正確的推論與反應

–與人類合作的AI

–從「學習」進化到「創造發明」

–具備倫理概念

–安全、注重隱私

18



• 第三波的AI將會具備以下能力：

–泛用功能





19


與人類合作的AI

• 具有「理解」能力

• 具有「解釋」能力

• 了解人類的存在

• 增強人類的能力

• 更精準與人類溝通的介面

20



• 未來的AI將會具備以下能力：

–泛用功能





21


從「機器學習」到「機器發明」

• AI 是科學家＆創作者

• AI是偵探＆探險家

22


23

AI破解魯汶古文

魯汶古文是西元前1300-

700在敘利亞北方使用的語言

它是二維文字，還沒有完全解碼

physicists

AI創作中國古典詩

故人思鄉回文詩

千里行路難何處不自由行人路道路人行

平生不可攀故土木蘭舟別有心人心有別

相逢無人見落日一回首寒風幾度幾風寒

與君三十年孤城不可留

24

AI偵探

• Identifying suspicious individuals on social networks (TKDE 2008)

• An Unsupervised Model to Perform Side Channel Attack (PAKDD 13)

25




–泛用功能



–具備倫理概念 •增進AI系統的公平性

•增進AI系統的透明度

•具有道德觀念的AI

–安全、注重隱私 26




–泛用功能





•對抗式學習：經由操弄資料混淆機器學習

•保護隱私的機器學習

27


人工智慧第三波需要跨領域的研究貢獻

人工智慧第三波何時能實現？My Gut Feeling: won’t be

soon!!

28


台灣的機會在哪裡？

• 短程：第二波AI的應用？Doubtful

• 中程：軟（AI）硬整合？maybe

• 長程：深耕第三波AI的技術新的公司，新的應用，新的商業模式。

Thank You!!

29

Mix Taiwan20170322林守德-解決AI的困局─人工智慧的第三波革命

Technology

Transcript of Mix Taiwan20170322林守德-解決AI的困局─人工智慧的第三波革命